NI平台化解决方案，挖掘不可见世界更多价值

“工业智能化，美国靠软件，提倡技（技术）匠精神；德国靠机器，讲究器匠精神；日本靠人，追求工匠精神；中国则靠数据。”在2017年7月14日2017 NI工业物联网高峰论坛举办期间，美国辛辛那提大学教授、美国智能维护系统中心主任李杰（Jay Lee）对中国工控网如是说，中国最大的数据量来自工业，远超阿里巴巴和谷歌。大量的数据都在中国汇集，这无疑给了中国制造最好的资源优势。利用好这一资源，可弥补中国在装备制造和核心零部件等方面的弱势与短板。

言谈间，无论是工业物联网、大数据，还是智能制造的实施路径，李杰教授都侃侃而谈，见解独到。他除了是精通工业4.0和大数据的教授、美国机械工程学会（ASME）及美国制造工程学会（SME）的会士之外，还是白宫信息物理系统项目顾问和美国国家科学基金会（NSF）智能维护系统产学合作中心创始主任，目前的研究方向包括以工业大数据分析、信息-物理系统技术（CPS）、智能维护系统和产品及服务主控式创新创值设计（Dominant Innovation）。

（美国辛辛那提大学教授、美国智能维护系统中心主任李杰）

不可见世界的价值挖掘

当前，智能制造成为业界关注的热点。2015年，工信部批准了46个智能制造试点示范项目和94个智能制造专项，发布了国家智能制造标准体系建设指南（2015版），很多企业跃跃欲试，希望通过推进智能制造实现“少人化”，降低成本，灵活应对市场变化，更好地满足客户需求。

然而，智能制造概念满天飞，很容易让制造企业无所适从。追本溯源，从工业1.0步步升级而出的智能制造究竟是什么？在华南地区走访时，李杰教授发现，很多企业误将本应属于自动化的“机器换人”视作智能化，“这是基本观念产生了误差”。

李杰教授就技术变革对工业的影响进行形象解读：第一次工业革命是将人力自动化，蒸汽机的诞生实现了能源的转换；第二次工业革命是对人力进行标准化、合理化分割，并系统化起来，形成流水线分工合作的自动化；第三次工业革命利用计算机技术实现机器动作的自动化，利用数控技术实现机器换人，这一阶段对应工业3.0，其贡献在于把机器变得聪明；工业4.0的智能化目的是促成知识化的诞生，第四次工业革命是知识的智能化，互联网时代数据大爆发，你首先需要核实信息真假，其次就需考虑如何让数据产生更多的价值。

“大数据的目的并不是追求数据量大，而是通过系统式的数据收集和分析手段，实现价值的最大化。所以推动智能制造的并不是大数据本身，而是大数据的分析技术，”李杰教授说，数据来源于不可见世界，它本身不会说话，也不会直接创造价值，真正为企业带来价值的是数据经过实时分析后及时地流向决策链的各个环节，或是成为面向客户创造价值服务的内容和依据。

他进一步解释，大数据之于智能制造好比是一个健康检查的过程，能够真实反馈身体存在胆固醇过高，或肝指数过高等看不到的信息。大数据对智能制造的推动有几种：其一，利用大数据分析，从解决问题到避免问题；其二，利用大数据预测隐性问题，在问题成为显性前就进行解决；其三，利用反向工程，从结果中找到原因。

如何让数据得到有效分析

大数据究竟有多大？美国国家仪器行业市场经理崔鹏给出一张图。

（图片来源：NI）

“然而，根据IDC此前的EMC数字宇宙研究显示，平均仅5%的数据得到分析。”崔鹏说，工业领域各个行业客户对此反馈出的问题集中体现在：第一，数据来源非常广泛，或未被采集，或以手工方式记录，缺少有效系统对数据进行采集；第二，数据采集到后如何进行有效存储；第三，数据的存储方式如何选择，私有云、公有云、混合云还是服务器；第四，数据存储后，是否有平台对数据进行有效分析，谁来提供数据服务。

（美国国家仪器行业市场经理崔鹏）

为应对无限的模拟数据及传感器和换能器数据等大模拟数据挑战，NI认为，第一步需要更智能的测量数据，第二步需要更智能的数据管理。针对工业物联网系统对数据采集、边缘计算、开放连接、智能控制的需求，NI提出了基于LabVIEW平台的工业物联网解决方案，通过台式便携测量设备、CompactDAQ、PXI模块化仪器、CompactRIO等设备及嵌入式系统设计方案，可实现分布式数据采集、状态监测及预测性维护、工业大数据分析、智能控制、实时测试等应用。图形化的编程平台可帮助工程师极大地简化系统复杂度及开发难度，加速产品上市时间。

（图片来源：NI）

基于“中国制造2025”的NI平台化解决方案

“随着《中国制造2025》的逐步推进，智能制造、智慧测试、智慧电厂、智慧高铁、智慧风电等领域对于分布式设备物联网及大数据应用都有着迫切需求。”崔鹏说，NI平台化解决方案可提供端到端的物联网解决方案，将智能感知、分布式测量/数据采集/监测、边缘计算、数据分析集为一体，涵盖从产品前沿研究到快速原型、从硬件在环到台架测试、从产线测试到工业监测的产品生命周期，助力加速实现工业物联网与大数据创新应用。

（NI平台化解决方案）

2017 NI工业物联网高峰论坛上，NI展示出其解决方案中的诸多新成员：LabVIEW NXG、分布式系统管理软件SystemLink、企业级分布式在线监测软件NI InsightCM™、支持TSN功能的最新CompactDAQ以太网机箱。

（2017 NI工业物联网高峰论坛现场产品展示）

其中，下一代LabVIEW工程系统设计软件的第一版LabVIEW NXG 1.0帮助工程师进行台式测量，通过新的非编程工作流程大幅提高其工作效率，以获取并迭代分析测量数据。非编程工作方式在幕后生成必需的代码达到简化自动化作业的目的。例如，工程师能拖拽一部分代码，相当于50行基于文本的代码。

NI SystemLink是2017NI WEEK发布的一款远程系统管理软件。它优于远程数据管理，可以在网络端进行配置管理，不仅可以实现远程故障诊断，还可以实现数据管理，对于分布式系统管理意义显著。

NI InsightCM™是一款可帮助老化资产提高可靠性和正常运行时间的监测解决方案，帮助查看资产的健康状况，以便制定运营和维护计划。

“随着测量系统逐渐从控制室转变为更加靠近被测量设备，物理系统测试的性质也在迅速变化。尽管这样的改变缩短了测量系统的安装时间，降低了传感器布线成本，并提高了测量精度，但同时也给同步和系统管理带来了挑战，特别是在使用当前的工业网络技术时。”崔鹏说，为此，NI积极帮助定义TSN，TSN能够提供分布式时间同步、低延迟、时间关键及网络流量收敛，并于今年发布支持TSN功能的CompactDAQ多槽以太网机箱。

（TSN试验台）

CompactDAQ新机箱能使用基于网络的时间自动同步测量数据。这能实现长距离精确同步，大幅简化高通道数分布式系统的客户安装和系统管理。这种新的同步方式结合了LabVIEW系统级设计软件的信号处理函数库，帮助工程师快速收集并分析结果，有效提高测试速度和测试效率。

以NI系统集成商华穗科技与IBM公司合作推出的基于云的分布式数据采集系统为例，该系统覆盖传感层、设备层、网关层、云平台、分析层等各个组成要素，通过利用NI CompactRIO将设备层传来的基于各种协议的信号统一转换为MQTT协议，并基于Bluemix大数据手机平台搭建而成，最终帮助客户实现预测性故障诊断和维护的解决方案。

此外，NI在工业智能领域的合作伙伴北京天泽智云科技有限公司作为NI 在PHM 领域的合作伙伴，通过基于NI平台化系统设计方案，为客户定制化开发面向工业物联网领域的端到端解决方案，在现场也展示了基于NI InsightCM 架构的最新产品，通过工业智能算法引擎与赋能平台及数据分析服务，帮助中国的工业客户实现工业设备的实时健康管理与预测性维护。

聚焦工业物联网和大数据创新应用，NI一直潜心研究自动化测试领域的未来技术。位于美国德克萨斯州奥斯汀NI全球总部的NI工业物联网实验室，专注于将操作技术、信息技术和专注于这些系统的公司连接起来的智能系统。该实验室设计灵活，面向未来，其运营重点包括微电网控制和通信、先进制造控制，以及重型设备资产监测等领域.

“NI通过诸如工业互联网联盟（IIC）现场测试平台的示范，众多顶尖公司的参与以及相关领域专家的讨论，共同提出创新解决方案，进而解决现实世界的挑战。”崔鹏说。（文/gongkong张丽莹）